我想从元刷新重定向中获取与问题can jsoup handle meta refresh redirect非常相似的HTML页面。
但我无法让它发挥作用。我想在http://synchronkartei.de上进行搜索。 我有以下代码:
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class SynchronkarteiScraper {
public static void main(String[] args) throws Exception{
Document doc = Jsoup.connect("https://www.synchronkartei.de/search.php")
.data("cat", "2")
.data("search", "Thomas Danneberg")
.data("action", "search")
.followRedirects(true)
.get();
Elements meta = doc.select("html head meta");
for (final Element m : meta){
if (m.attr("http-equiv").contains("refresh")){
doc = Jsoup.connect(m.baseUri()+m.attr("content").split("=")[1]).get();
}
}
System.out.println(doc.body().toString());
}
}
这会进行搜索,从而导致刷新的临时站点打开真实结果页面。 这与从http://synchronkartei.de进行选择,从下拉框中选择“Sprecher”,将“Thomas Danneberg”输入文本字段并点击输入。
但即使在提取刷新网址并进行第二次连接后,我仍然会获得临时目标网页的内容,这可以在正文的原版中看到。
那么这里出了什么问题?
请注意,网站synchronkartei.de始终重定向到HTTPS。由于它使用的是StartCom的证书,因此java会抱怨证书路径。要让上面的代码段有效,必须使用具有正确证书的VM参数-Djavax.net.ssl.trustStore=<path-to-keystore>
。
答案 0 :(得分:1)
我不得不承认,我不是Jsoup的专家,但我知道有关Synchronkartei的一些细节。
Deutsche Synchronkartei支持OpenSearchDescriptions,它在/search.xml链接。也就是说,您也可以使用https://www.synchronkartei.de/search.php?search={searchTerms}
将搜索字词纳入会话。
你需要的只是一个cookie&#34; sid&#34;使用会话ID,Synchronkartei为您提供。在此之后,向https://www.synchronkartei.de/index.php?action=search
的直接请求将为您提供结果,无论您的推荐人是谁。
我的意思是,首先向https://www.synchronkartei.de/search.php?search={searchTerms}
或https://www.synchronkartei.de/search.php?cat={Category}&search={searchTerms}&action=search
发送请求(如上所述),如果HTTP结果为200,则完全忽略该结果,但保证会话cookie安全。之后,您向https://www.synchronkartei.de/index.php?action=search
发出请求,该请求应为您提供完整的结果列表。
Funzi